# (번역) 조만간 인공 일반 지능이 등장할 것 같지 않은 이유

기술 업계의 거물들은 인공 지능이 곧 인간의 두뇌 능력과 맞먹을 것이라고 말합니다. 그들이 우리를 과소평가하고 있는 걸까요?

OpenAI의 최고 경영자인 샘 알트먼은 최근 [트럼프 대통령에게](https://www.nytimes.com/2025/02/08/technology/sam-altman-elon-musk-trump.html) 사적인 전화 통화에서 자신의 행정부가 끝나기 전에 인공지능이 등장할 것이라고 말했습니다. OpenAI의 주요 경쟁자인 앤트로픽의 최고 경영자 다리오 아모데이는 [팟캐스터들에게](https://www.youtube.com/watch?v=Xywqm0vlUxk) 더 빨리 실현될 수 있다고 반복해서 말했습니다. 억만장자 엘론 머스크는 [올해가 가기 전에](https://www.forbes.com/sites/ericsiegel/2024/04/10/artificial-general-intelligence-is-pure-hype/) 출시될 수 있다고 말했습니다.

실리콘 밸리 안팎의 다른 많은 목소리와 마찬가지로, 이들 경영진은 인공 일반 지능, 즉 A.G.I.의 도래가 임박했다고 예측합니다.

2000년대 초, 한 그룹의 변두리 연구자들이 언젠가 구축하기를 희망하는 자율 컴퓨터 시스템을 설명하는 책 표지에 [이 용어를](https://goertzel.org/who-coined-the-term-agi/) 사용한 이래, A.G.I.는 인간 수준의 지능을 달성하는 미래 기술의 약어로 사용되어 왔습니다. 인공지능에 대한 정해진 정의는 없으며, 단지 인간 정신의 다양한 능력에 필적할 수 있는 인공지능이라는 흥미로운 아이디어가 있을 뿐입니다.

알트만, 아모데이, 머스크는 [Google](https://www.nytimes.com/2023/12/03/technology/ai-openai-musk-page-altman.html), [Microsoft](https://www.nytimes.com/2023/05/16/technology/microsoft-ai-human-reasoning.html) 같은 회사의 경영진과 연구자들과 마찬가지로 오랫동안 이 목표를 추구해 왔습니다. 그리고 부분적으로는 이 야심 찬 아이디어를 열렬히 추구한 덕분에 수억 명의 사람들이 연구하고, 예술을 만들고, 컴퓨터를 프로그래밍하는 방식을 변화시키는 기술을 만들어냈습니다. 이러한 기술은 이제 모든 직업을 변화시킬 준비가 되어 있습니다.

그러나 OpenAI의 ChatGPT와 같은 챗봇(https://www.nytimes.com/2022/12/10/technology/ai-chat-bot-chatgpt.html)이 등장하고 지난 2년 동안 이 기이하고 강력한 시스템의 [급속한 개선](https://www.nytimes.com/interactive/2025/03/26/business/ai-smarter-human-intelligence-puzzle.html) 이후, 많은 기술자들은 인공지능이 얼마나 빨리 도래할지 예측하는 데 점점 더 대담해지고 있습니다. 심지어 어떤 이들은 인공지능이 등장하면 '[초지능](https://ia.samaltman.com/)'이라는 더 강력한 창조물이 등장할 것이라고 말하기도 합니다.

가까운 미래를 예측하는 이들의 목소리는 점점 더 현실보다 앞서가고 있습니다. 이들 기업이 놀라운 속도로 기술을 발전시키고 있지만, 기계가 곧 인간의 지성을 따라잡을 것이라는 주장을 반박하는 냉정한 목소리도 만만치 않습니다.

구글에서 연구원으로 일했고 지난 50년간 가장 존경받는 인공지능 연구자 중 한 명으로 꼽히는 [https://www.nytimes.com/2023/05/01/technology/ai-google-chatbot-engineer-quits-hinton.html]의 제자였던 인공지능 스타트업 Cohere의 창업자 닉 프로스트는 "현재 우리가 구축하고 있는 기술로는 그 목표를 달성하기에 충분하지 않습니다."라고 말합니다. "우리가 지금 만들고 있는 것은 단어를 입력받아 다음으로 가장 가능성이 높은 단어를 예측하거나, 픽셀을 입력받아 다음으로 가장 가능성이 높은 픽셀을 예측하는 것들입니다. 이는 여러분과 제가 하는 일과는 매우 다릅니다."

이 분야에서 가장 존경받는 연구자들이 소속된 40년 역사의 학회인 인공지능 발전 협회(Association for the Advancement of Artificial Intelligence)의 최근 설문조사에서 응답자의 4분의 3 이상이 오늘날의 기술을 구축하는 데 사용된 방법이 [인공지능으로 이어질 가능성이 낮다]고 답했습니다(https://www.nature.com/articles/d41586-025-00649-4)

과학자들이 인간의 지능을 정의하는 방법조차 합의하지 못하고 I.Q. 테스트 및 기타 벤치마크의 장단점에 대해 끝없이 논쟁하고 있기 때문에 의견은 부분적으로 다릅니다. 인간의 두뇌를 기계와 비교하는 것은 훨씬 더 주관적입니다. 즉, 인공지능을 식별하는 것은 본질적으로 의견의 문제입니다. (작년에 머스크의 변호사들은 머스크의 주요 라이벌 중 하나인 OpenAI가 주요 투자자와 인공지능 기술을 기반으로 한 제품을 판매하지 않겠다는 계약을 체결했기 때문에(https://www.nytimes.com/2024/03/02/technology/elon-musk-openai-lawsuit-microsoft-research.html) 머스크의 변호사들은 이미 이 소송을 제기한 바 있습니다

그리고 과학자들은 오늘날의 기술이 아이러니를 인식하거나 공감을 느끼는 것과 같이 뇌가 할 수 있는 간단한 일조차 수행할 수 있다는 확실한 증거가 없습니다. 인공지능의 도래가 임박했다는 주장은 통계적 추정과 희망적 사고에 근거한 것입니다.

다양한 벤치마크 테스트에 따르면 오늘날의 기술은 수학이나 컴퓨터 프로그래밍과 같은 일부 주목할 만한 영역에서 일정한 속도로 발전하고 있습니다. 하지만 이러한 테스트는 인간이 할 수 있는 일의 극히 일부만을 설명합니다.

인간은 혼란스럽고 끊임없이 변화하는 세상에 대처하는 방법을 알고 있습니다. 기계는 과거에 경험하지 못한 크고 작은 도전과 같은 예기치 못한 상황에 대처하기 위해 고군분투합니다. 인간은 세상에 없던 아이디어를 떠올릴 수 있습니다. 기계는 일반적으로 이전에 보았던 것을 반복하거나 개선합니다.

그렇기 때문에 프로스트와 다른 회의론자들은 기계를 인간 수준의 지능으로 끌어올리려면 전 세계 기술자들이 아직 생각해내지 못한 큰 아이디어가 하나 이상 필요하다고 말합니다. 얼마나 오래 걸릴지 알 수 없습니다.

하버드의 인지 과학자 스티븐 핑커는 "한 가지 면에서 인간보다 나은 시스템이 다른 면에서도 반드시 더 나은 것은 아니다"라고 말합니다. "우리가 아직 생각하지도 못한 문제를 포함하여 모든 문제를 자동으로, 전지전능하게, 전능하게 해결하는 시스템은 존재하지 않습니다. 일종의 마술적 사고에 빠져들고 싶은 유혹이 있습니다. 하지만 이러한 시스템은 기적이 아닙니다. 매우 인상적인 장치일 뿐입니다."

## '인공지능이 할 수 있다'

ChatGPT와 같은 챗봇은 과학자들이 [신경망](https://www.nytimes.com/2018/03/06/technology/google-artificial-intelligence.html)이라고 부르는 텍스트, 이미지, 소리의 패턴을 식별할 수 있는 수학적 시스템에 의해 구동됩니다. 예를 들어, 이러한 시스템은 방대한 Wikipedia 기사, 뉴스 기사 및 채팅 로그에서 패턴을 정확히 찾아냄으로써 시와 컴퓨터 프로그램처럼 [인간과 유사한 텍스트를 생성](https://www.nytimes.com/2020/11/24/science/artificial-intelligence-ai-gpt3.html)하는 방법을 스스로 학습할 수 있습니다.

즉, 이러한 시스템은 과거의 컴퓨터 기술보다 훨씬 빠르게 발전하고 있습니다. 지난 수십 년 동안 소프트웨어 엔지니어들은 한 번에 한 줄의 코드를 작성하는 아주 작은 단계의 프로세스를 통해 애플리케이션을 만들었기 때문에 ChatGPT와 같은 강력한 기능을 만들어낼 수 없었습니다. 신경망은 데이터를 통해 학습할 수 있기 때문에 새로운 차원에 빠르게 도달할 수 있습니다.

지난 10년간 이러한 시스템의 발전을 지켜본 일부 기술자들은 인공지능과 그 이후에도 거의 같은 속도로 발전이 계속될 것이라고 믿고 있습니다.

"모든 한계가 사라지고 있는 추세입니다."라고 Anthropic의 최고 과학 책임자인 Jared Kaplan은 말합니다. "인공지능의 지능은 인간의 지능과는 상당히 다릅니다. 인간은 새로운 작업을 훨씬 더 쉽게 학습합니다. 인공지능만큼 많은 연습을 할 필요도 없죠. 하지만 결국에는 더 많은 연습을 통해 인공지능도 거기에 도달할 수 있습니다."

인공지능 연구자들 사이에서 카플란 박사는 현재 "스케일링 법칙"이라고 불리는 [획기적인 학술 논문](https://arxiv.org/pdf/2001.08361.pdf)을 발표한 것으로 유명합니다 이 법칙은 본질적으로 다음과 같이 말합니다: 인공지능 시스템이 더 많은 데이터를 분석할수록 더 나은 성능을 발휘한다는 것입니다. 학생이 더 많은 책을 읽음으로써 더 많은 것을 배우는 것처럼, 인공지능 시스템은 텍스트에서 더 많은 패턴을 발견하고 사람들이 단어를 조합하는 방식을 더 정확하게 모방하는 법을 배웁니다.

최근 몇 달 동안 OpenAI와 Anthropic 같은 회사는 인터넷에 있는 영어 텍스트의 [거의 모든](https://www.nytimes.com/2024/12/19/technology/artificial-intelligence-data-openai-google.html)을 사용했기 때문에 챗봇을 개선할 새로운 방법이 필요했습니다. 그래서 이들은 과학자들이 강화 학습이라고 부르는 기술에 더 많이 의존하고 있습니다. 몇 주 또는 몇 달에 걸쳐 진행될 수 있는 이 과정을 통해 시스템은 시행착오를 통해 행동을 학습할 수 있습니다. 예를 들어, 수천 개의 수학 문제를 풀면서 어떤 기법이 정답으로 이어지는 경향이 있고 어떤 기법이 그렇지 않은지 학습할 수 있습니다.

이러한 기술 덕분에 카플란 씨와 같은 연구자들은 스케일링 법칙(또는 이와 유사한 법칙)이 계속될 것이라고 믿습니다. 연구자들은 이 기술이 무수히 많은 분야에서 시행착오를 겪으며 학습을 거듭함에 따라 2016년 구글 연구팀이 만든 기계 알파고의 전철을 밟을 것이라고 말합니다.

알파고는 강화 학습을 통해 체스에 비유되는 복잡한 중국식 보드 게임인 바둑을 수백만 번의 대국을 통해 마스터하는 법을 배웠습니다. 그해 봄, 알파고는 세계 최고의 선수 중 한 명을 이겼고(https://www.wired.com/2016/05/google-alpha-go-ai/), 인공지능 커뮤니티와 전 세계를 놀라게 했습니다. 대부분의 연구자들은 인공지능이 이러한 위업을 달성하려면 10년이 더 필요할 것으로 예상했습니다.

알파고는 인간이 해보지 못한 방식으로 대국을 펼치며 최고의 선수들에게 이 고대 게임에 대한 새로운 전략적 접근법을 가르쳤습니다. 일부 사람들은 ChatGPT와 같은 시스템도 같은 도약을 거쳐 인공지능에 도달한 후 초지능에 도달할 것이라고 믿습니다.

하지만 알파고와 같은 게임은 작고 제한된 규칙을 따릅니다. 현실 세계는 물리 법칙에 의해서만 제한됩니다. 현실 세계 전체를 모델링하는 것은 오늘날의 기계로는 불가능한 일인데, 초지능은 말할 것도 없고 인공지능이 곧 등장할 것이라고 어떻게 확신할 수 있을까요?

인간과 기계의 격차 ## 인간과 기계의 격차

오늘날의 기계가 이미 어떤 면에서 인간의 두뇌를 넘어섰다는 것은 논란의 여지가 없지만, 이는 오래전부터 사실이었죠. 계산기는 인간보다 기본적인 수학을 더 빨리 할 수 있습니다. ChatGPT와 같은 챗봇은 더 빠르게 글을 쓸 수 있으며, 글을 쓰면서 인간의 두뇌가 읽거나 기억할 수 있는 것보다 더 많은 텍스트를 순식간에 그릴 수 있습니다. 이러한 시스템은 고수준의 수학 및 코딩이 포함된 일부 테스트에서 [인간의 성능을 뛰어넘는](https://www.nytimes.com/2024/12/20/technology/openai-new-ai-math-science.html) 성과를 보이고 있습니다.

하지만 사람을 이러한 벤치마크로 환원할 수는 없습니다. 매사추세츠 공과대학의 계산 인지 과학 교수인 조쉬 테넨바움은 "자연계에는 다양한 종류의 지능이 존재합니다."라고 말합니다.

한 가지 분명한 차이점은 인간의 지능은 물리적 세계와 연결되어 있다는 것입니다. 지능은 단어와 숫자, 소리와 이미지를 넘어 테이블과 의자, 스토브, 프라이팬, 건물, 자동차 등 우리가 매일 마주하는 모든 것의 영역으로 확장됩니다. 철판 위에 놓인 팬케이크를 언제 뒤집어야 하는지 아는 것도 지능의 일부입니다.

일부 회사는 이미 챗봇을 훈련하는 것과 거의 같은 방식으로 휴머노이드 로봇을 훈련하고 있습니다(https://www.nytimes.com/2025/04/04/technology/humanoid-robots-1x.html). 하지만 이는 실제 실험실, 창고, 가정에서 광범위한 훈련이 필요하기 때문에 ChatGPT를 구축하는 것보다 더 어렵고 시간이 많이 소요됩니다. 로봇 연구는 챗봇 연구보다 몇 년 뒤처져 있습니다.

인간과 기계 사이의 격차는 훨씬 더 넓습니다. 물리적 영역과 디지털 영역 모두에서 기계는 여전히 정의하기 어려운 인간 지능의 일부를 따라잡기 위해 고군분투하고 있습니다.

챗봇을 구축하는 새로운 방법인 강화 학습은 수학이나 컴퓨터 프로그래밍과 같이 기업이 좋은 행동과 나쁜 행동을 명확하게 정의할 수 있는 영역에서 잘 작동하고 있습니다. 수학 문제에는 부인할 수 없는 답이 있습니다. 컴퓨터 프로그램은 컴파일하고 실행해야 합니다. 하지만 이 기술은 창의적인 글쓰기, 철학 또는 윤리 분야에서는 잘 작동하지 않습니다.

알트먼은 [최근 X](https://x.com/sama/status/1899535387435086115)에 OpenAI가 "창의적인 글쓰기에 능숙한" 새로운 시스템을 훈련시켰다는 글을 썼습니다 그는 "인공지능이 쓴 글에 정말 감동을 받은 것은 처음"이라고 덧붙였습니다 글쓰기는 이 시스템이 가장 잘하는 일입니다. 하지만 '창의적인 글쓰기'는 측정하기 어렵습니다. 그것은 상황에 따라 다양한 형태를 취하며 성실성, 유머, 정직성 등 정량화하기는커녕 설명하기도 쉽지 않은 특성을 나타냅니다.

이러한 시스템이 세상에 배치됨에 따라 인간은 인공지능에게 무엇을 해야 하는지 알려주고, 참신함, 변화, 불확실성의 순간을 [안내](https://www.nytimes.com/interactive/2024/09/03/technology/zoox-self-driving-cars-remote-control.html)합니다.

베니스의 카 포스카리 대학교 과학철학 교수인 마테오 파스키넬리는 "인공지능은 끊임없이 생산하고 기계에 먹이를 주는 살아있는 존재인 우리가 필요합니다."라고 말합니다. "우리 아이디어와 우리 삶의 독창성이 필요합니다."

## 스릴 넘치는 판타지

기술 업계 안팎의 사람들에게 임박한 인공지능에 대한 주장은 짜릿한 환상을 불러일으킬 수 있습니다. 인간은 12세기 초에 등장한 골렘 신화에 등장하는 인공지능의 탄생을 꿈꿔왔습니다. 이것이 바로 메리 셸리의 "프랑켄슈타인"과 스탠리 큐브릭의 "2001: 스페이스 오디세이"와 같은 작품의 원동력이 된 판타지입니다

이제 많은 사람들이 우리처럼 글을 쓰고 심지어 말을 할 수 있는 컴퓨터 시스템을 사용하고 있는 지금, [지능적인 기계가 거의 다 왔다고 생각하는 것은](https://www.nytimes.com/2023/01/20/technology/chatbots-turing-test.html) 당연한 일입니다. 이는 우리가 수세기 동안 예상해 온 일입니다.

1950년대 후반 한 학자 그룹이 인공지능 분야를 창설했을 때, 그들은 뇌를 재현한 컴퓨터를 만드는 데 그리 오래 걸리지 않을 것이라고 확신했습니다. 어떤 이들은 10년 안에 기계가 세계 체스 챔피언을 이기고 수학적 정리를 발견할 수 있을 것이라고 주장했습니다. 하지만 그 기간 동안 그런 일은 일어나지 않았습니다. 일부는 아직도 일어나지 않았습니다.

오늘날의 기술을 만드는 많은 사람들은 불의 탄생이나 원자폭탄과 같은 필연적인 과학적 순간을 향해 나아가는 일종의 기술적 운명을 완수하고 있다고 생각합니다. 하지만 그들은 그런 일이 곧 일어날 것이라는 과학적 근거를 제시하지 못합니다.

그렇기 때문에 많은 다른 과학자들은 데이터에서 패턴을 찾는 강력한 신경망을 넘어서는 새로운 아이디어가 없이는 인공지능에 도달할 수 없다고 말합니다. 그 새로운 아이디어는 내일 나타날 수도 있습니다. 하지만 그렇게 되더라도 업계가 이를 개발하는 데는 수년이 걸릴 것입니다.

메타의 수석 인공지능 과학자인 얀 르쿤은 9살 때 파리 영화관에서 70mm 시네라마로 '2001: 스페이스 오디세이'를 본 이후로 오늘날 우리가 인공지능이라고 부르는 것을 꿈꿔왔습니다. 그리고 그는 신경망에 대한 초기 연구로 컴퓨팅 분야의 노벨상이라 불리는 2018년 튜링상(https://www.nytimes.com/2019/03/27/technology/turing-award-ai.html)을 수상한 세 명의 선구자 중 한 명입니다. 하지만 그는 인공지능이 가까이 있다고 믿지 않습니다.

메타에서 그의 연구소는 기술 업계에 들어온 신경망 그 너머를 연구하고 있습니다. 르쿤과 그의 동료들은 잃어버린 아이디어를 찾고 있습니다. "차세대 아키텍처가 향후 10년 내에 인간 수준의 인공지능을 제공할 수 있을지를 알아내는 데 많은 것이 달려 있습니다."라고 그는 말합니다. "아닐 수도 있습니다. 현재로서는 알 수 없습니다."

[케이드 메츠](https://www.nytimes.com/by/cade-metz)는 인공 지능, 무인 자동차, 로봇 공학, 가상 현실 및 기타 신흥 기술 분야에 대해 글을 쓰는 뉴욕타임스 기자입니다.